NCNN能实现无第三方依赖，跨平台，在手机端cpu运算速度在开源框架中更是处于领先水平。基于该平台，开发者能够轻松将深度学习算法移植到手机端，输出高效的执行，进而产出人工智能APP，将AI技术带到用户指尖。目前多应用在图像方面，例如人像自动美颜，照片风格化，超分辨率，物体识别等等。
现在的很多手机端的App都是基于 NCNN的，借助于NCNN，开发者能够将深度学习算法轻松移植到手机端高效执行，开发出人工智能 APP。
这里献上一张NCNN 项目组的nihui 大神的照片哈哈，让大家对于NCNN 先有个感性的认识：
下面我尝试在安卓手机环境中实现对NCNN项目的编译， 这里没有安卓应用的外壳， 为其他项目进一步使用NCNN作准备。
一、环境准备整体架构如下：
命令：
pkg install proot-distropd list
然后如果没有安装Ubuntu，就选择安装， 如果已经安装过了，就略过这一步：
proot-distro install ubuntu
目前， NCNN已经支持通过Vulkan API支持全部主流PC和手机GPU加速，因此，这里先安装Vulkan：
apt install vulkan-tools
结果：
下面安装vulkan-headers
apt install vulkan-headers
安装不成功，命令行里面的结果，推荐使用libvulkan-dev
apt install libvulkan-dev
顺利安装完成：
二、下载
从Github 下载NCNN：
git clone https://github.com/Tencent/ncnn.gitcd ncnngit submodule update --init
注意，这里使用了Git 的submodule， 因此也需要下载子模块
三、编译
创建并进入build目录， 然后使用cmake设定参数
mkdir -p buildcd buildcmake -DCMAKE_BUILD_TYPE=Release -DNCNN_BUILD_EXAMPLES=ON -DNCNN_PLATFORM_API=OFF -DNCNN_SIMPLEOCV=ON ..
编译：
make -j$(nproc)make install
四、运行简单的例子
运行一个简单的图片分类的例子, 先进入build的上一层目录examples， 然后运行下面的命令：
cd ../examples../build/examples/squeezenet ../images/128-ncnn.png
结果：
这个例子其实仅仅是验证， 这里编译的ncnn的产品，都是为了其他的项目而使用的。
如果想完整查看这个squeezenet的例子，需要到Nihui大神的这个项目：https://github.com/nihui/ncnn-android-squeezenet
直接下载apk：https://github.com/nihui/ncnn-android-squeezenet/releases
这里是我在红米K70 Pro上面的效果：
#大模型##腾讯##神经网络##让AI触手可及##头条创作挑战赛##AI技术##让AI触手可及##AI智能#
